基于激光雷达的点云数据处理研究

激光雷达技术目前已经在商业中得到了广泛的运用,通过激光雷达技术对点云数据处理系统的研究也有了长足的发展。由于激光雷达数据扫描所获取的是大量的离散化三维数据信息,这些以坐标来记录的数据被称为点云数据。点云是表示实际物体三维信息的统计无序数集,包含物体的三维坐标值、颜色值和灰度值。使用激光雷达的信息采集处理系统采集数据时,由于会受到外界的干扰因素（如光线反射、阴影环境）、扫描精度、物品机械振动的负面影响,采集到的点云数据存在着很大的噪声和孔洞。这些点云空间密度相差较大,使得分析结果不能直接描绘实际物体的模型。对于上述存在的漏洞,设计了一种基于激光雷达的点云数据的处理算法,实现对点云数据处理的简化、过滤、检索以及可视化。     

网络化激光雷达的多源数据融合点云分类算法研究

针对当前多源数据融合点云分类算法的激光雷达点云数据分类精度较低,分类时间较长的问题,提出网络化激光雷达的多源数据融合点云分类算法.利用加权航迹关联法,计算各激光雷达目标航迹号,并打散已关联航迹,通过泰勒级数将非线性问题转化成近似线性问题,求解线性状态,融合多源数据.使用主成分分析法,求解点云法线与曲率,分割段协方差矩阵...     

基于TIN的LIDAR点云过滤算法

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对其获取的不规则分布的三维点云数据过滤处理是目前的研究前沿,也是机载激光雷达应用的关键技术.本文在分析典型地物激光雷达点云空间分布基本规律的基础上,重点研究了典型地物表面及其边缘的点云空间分布特征及基于TIN结构的邻近点云高程突变规律,并设计了相应的点云过滤算法.论文还对算法的参数选择及相应的误差进行了探讨,并进行了LIDAR数据DEM提取实验.     

基于激光雷达的空间物体三维建模与体积计算

求取体积参数是空间体对象形态分析的基本内容。采用激光雷达对空间物体进行扫描获得激光点云并求得其体积。首先使用三维激光雷达扫描物体获得原始点云;点云经过三维空间变换后,对点云进行缺失数据修补;再通过滤波和下采样处理进行点云去噪和点云数据的精简;最后采用一种隐式曲面重建算法构建三维点云的mesh网格模型,进而由网格模型求取体积。通过实验验证,使用激光雷达分别扫描了两个实验对象,将实验体积结果与实际的体积数据相比,误差分别仅为0.456%和0.394%,表明该体积计算方法有良好的曲面重建效果和体积计算精度。     

自主移动机器人微型激光雷达点云数据滤波研究

由于自主移动机器人微型激光雷达点云数据采集过程存在多种外界因素的干扰，导致采集到的点云数据中含有大量噪声，为此设计提出自主移动机器人微型激光雷达点云数据滤波方法。采集自主移动机器人微型激光雷达采集点云数据，利用噪声分离算法和改进的三维中值修复对点云数据进行优化。根据精简移动最小二乘法构建微型激光雷达点云数据滤波模型，将经过优化的点云数据输入该模型中，实现微型激光雷达点云数据滤波。实验结果表明，所提方法的点云数据滤波误差低，实际应用效果更好。     

基于单线激光雷达的三维形貌重建方法研究

现有三维扫描激光雷达存在成本高、扫描范围有限等缺点,为解决这些问题,本文提出一种基于单线激光雷达的三维形貌重建系统,并对系统进行误差补偿以提高系统的准确度.该系统采用可编程逻辑控制器控制的步进电机旋转单线激光雷达的扫描平面,实现对实际空间场景的扫描.通过上位机控制扫描装置的工作过程同时获取原始点云数据,进而针对原始点云...     

基于数据挖掘的应用型高校创新创业数据分类方法

为了提高应用型高校创新创业教育数据分类效果,文章中设计了基于数据挖掘的应用型高校创新创业数据分类方法。进行数据分布预处理,设定特征数据分类目标,并设计模糊数据挖掘分类结构;构建双向关联数据挖掘分类模型,采用特征重构法,实现应用型高校创新创业数据分类。测试结果表明：文章所设计的方法最终得出的误分率低于12.08%,分类较为准确,分类效果较好,具有实际的应用效果。     

基于激光三维扫描设备全景的电力监控数据应用模型设计

针对现有电力监控数据应用模型存在细化程度和三维展示效果差的问题,设计了一种基于激光三维扫描设备全景的电力监控数据应用模型。选用Trimble仪器配套的扫描软件PointScape,通过任意点设站将不同测站扫描的点云数据配准,构建统一的独立坐标系,产生完整的点云数据,从而获取设备全方位立体点云,实现电力设备的全景扫描;根据扫描信息,结合IEC 61970标准,以电力设备编码及命名为索引,进行各类监控数据的无缝拼接;以"数据—模型—应用"为设计思路,结合因果关系挖掘完成电力监控数据应用模型的构建。仿真实验结果表明,所设计模型能有效消除监控信息模糊的现象,经实测发现平均距离40 m时,设计模型的影像量测精度达8.23 cm,且模型三维展示效果好,细化程度高,具有较好的整体应用优势。     

基于属性特征的数据关联研究

针对反导预警过程中弹道导弹飞行中段空间目标密集、点迹断续、目标跟踪稳定性低等特点,利用远程预警相控阵雷达和地基相控阵雷达获得的目标多特征属性信息,将属性特征数据模糊化,运用模糊相似度进行数据关联。对比三种隶属度函数对中段目标群识别正确率的高低,选取正态分布隶属度函数,计算两雷达观测目标之间的相似度,得到相似度矩阵,并按照一定的判决规则进行目标关联匹配。仿真结果表明,属性个数越多,均值差异越大,观测方差越小,关联效果越好;属性权重的合理分配也是影响关联结果的重要因素。     

基于自旋图的三维自动目标识别

将三维表面匹配领域的自旋图(spin-images)方法运用于扫描激光雷达自动目标识别中,基于自旋图特征,提出了平均最大相似性度量、候选对应关系数目、几何一致性筛选后对应关系数目、分组筛选后最大组的对应关系数目这4个识别指标,并将其组合构成组合识别准则,从而进行三维目标识别。同时针对实际应用需求,进一步研究了点云空间分辨率、激光雷达测距误差以及遮挡对目标识别率的影响,为激光雷达三维目标识别系统的设计提供了参考。     

激光雷达云数据视场交迭异常监测系统

激光雷达扫描得到的点云数据以欧氏距离和交并比作为阈值对异常情况监测。但是，视场交迭异常对这两个二维参数的阈值突破不敏感，因此设计激光雷达云数据视场交迭异常监测系统。运用监测模块分析激光雷达点云数据，获取数据视场交迭系数。利用回声信号采集模块对数据进行高速计数累积和缓存。增加激光雷达云数据视场交迭区域可见光谱的范围，将拷贝的数据传送给数据监控模块。设置激光雷达点云数据监控节点，按照顺序取值划分异常阈值，利用其能够迅速精准捕捉视场交迭异常，实现异常监测。实验结果表明，所设计系统监测精准度高，虚警率与漏警率低，在激光雷达云数据处理领域具有较好的应用前景。     

高维数据集中局部离散文本数据挖掘方法研究

提出利用基于多目标优化软子空间聚类理论的关联规则数据挖掘方法对高维数据集中局部离散文本数据实现数据特征有效挖掘。首先,利用多目标优化软子空间聚类思想结合非支配排序遗传理论优化加权类内紧致及加权类间分离函数,获取优化后的目标函数及非占优Pareto最优解集,运用加权子空间划分方法对最优解集完成特征聚类;其次,基于关联规则思想运用一种特征提取和关联文本的识别方法,对聚类后的文本特征进行文本间及文本内部的特征识别和分类,即实现了文本信息数据的有效挖掘。实验证明,利用多目标优化软子空间聚类数据挖掘方法可以有效实现高维集中局部离散文本数据的挖掘。     

基于激光雷达的室内玻璃三维重建算法

针对激光雷达在室内地图重建过程中,扫描不到透明玻璃的问题,文章提出了一种玻璃检测三维重建算法,实现了三维地图中玻璃的重建。该方法将三维激光雷达扫描的点云经过点云滤波、分割、聚类以及运动匹配,提取出感兴趣的透明玻璃上的点云,从而识别出室内场景中的透明玻璃。实验结果显示,该算法能有效地使用激光雷达数据检测玻璃并进行三维地图重建。     

激光雷达硬件故障数据的模式识别研究

利用当前方法对激光雷达硬件中的故障数据进行识别时,没有对数据进行预处理,导致准确率低、误报率高,识别时间长,因此,提出激光雷达硬件故障数据的模式识别研究方法.通过分析噪声和野值在小波变换域上的不同特性,利用双阈值小波变换法处理数据中的噪声点、野值,缩短方法的识别时间;对处理后的数据进行高维特征融合处理,提取数据的关联规...     

基于二维激光传感器的三维图像获取系统

本文基于二维激光传感器设计出一整套实现三维旋转扫描距离图像采集系统。利用二维激光传感器在云台上旋转扫描以达到扫描整个空间的效果,然后利用计算机技术对采集到的点云数据进行拼接以重建三维环境图像,针对噪点采用加权滤波从而抑制噪点。     

位移矢量一致下的多飞行器三维轨迹跟踪识别

合作靶标点三维轨迹的跟踪识别是实现室内环境中多飞行器位姿估计的关键,为此,提出了一种基于时空一致条件下的多目标三维轨迹跟踪识别算法。该方法包括运动轨迹跟踪与识别两部分,对于合作靶标点三维轨迹跟踪,提出了一种基于运动目标位移矢量一致的数据关联方法,该方法首先利用运动平滑性假设计算得到的数据关联概率值,结合匈牙利算法求解得到目标的数据关联关系,然后在贝叶斯滤波框架下实现合作靶标点的三维轨迹跟踪。对于合作靶标点的三维轨迹识别,又可以分为粗细两部分,利用运动轨迹Hankel矩阵的秩实现运动轨迹的粗识别,利用运动轨迹之间的Hausdorff距离实现运动轨迹的细识别,最终实现对每一个飞行器的轨迹识别与注册。实验结果表明,在三维测量手段为机器视觉,测量空间大小为2 m×2 m×2 m,提出的多目标跟踪算法的三维轨迹跟踪误差小于4 mm（3σ）时,轨迹识别正确率为100%。因此,所提出的算法可以有效地实现多飞行器上合作靶标点三维轨迹的跟踪识别。     

基于投影降维的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,是复杂地面背景下车辆识别的有效手段。提出了一种基于投影降维的快速激光雷达目标识别方法,对检测后提取的疑似目标三维点云数据进行投影降维,得到数字表面模型(DSM)数据,根据轮廓相似性度量值以及尺寸相似度量值构成的组合识别准则进行目标识别。采用8组地面装甲目标的仿真点云数据进行实验,实验表明算法的目标型号识别率高于90%,实时性远优于传统算法。针对实际应用需求,进一步研究了点云空间分辨率,激光雷达成像系统误差对目标识别的影响。     

激光雷达应用技术研究进展

随着激光成像雷达技术的快速发展,激光雷达三维点云数据在多个领域展现出良好的应用前景。本文首先概述了激光雷达的基本原理和性能优势,进而重点阐述了激光雷达在调查监测、建模测绘、探测测量、医疗、军事等各方面的实际应用。     

基于机器学习的实时云数据关联规则提取与运维分析方法

以往的数据关联规则提取方法的项集标记结果不全面.针对该问题,提出了基于机器学习的实时云数据关联规则提取方法,为数据运维分析奠定良好的基础.构建机器学习网络架构,利用无监督训练和调优两个步骤训练机器学习网络,由此构建任务调度模型,以最小化构建排队处理提取与运维任务.依据机器学习扫描原理寻找强项集,从强度集合中导出关联规则...     

基于激光雷达和特征地图的车辆智能定位研究

针对激光雷达采集行驶车辆的三维点云数据中包含过多畸变数据，影响车辆定位效果的问题，本文研究一种基于激光雷达和特征地图的车辆智能定位方法。激光雷达利用基于飞行时间的激光测距法，采集车辆及其行驶环境的三维激光点云数据，去除激光点云数据中的畸变数据。利用正态分布变换方法，优化删除畸变数据的点云集的正态分布概率值，配准三维激光点云数据。从完成配准后的三维激光点云数据中，提取柱状物体的圆形特征，构建车辆行驶的自然柱状特征地图。利用卡尔曼滤波算法，结合自然柱状特征地图信息，实现高精度的车辆智能定位。实验结果证明：该方法可以精准定位车辆目标，车辆智能定位精度较高，最高可达到97%,定位效率较好，最短可在5 s时间内完成定位，具有一定应用价值。